论文部分内容阅读
针对传统超球体支持向量机在处理非平衡数据集时出现的少数类查全率较低的问题,通过引入最大间隔和参数ν,提出了ν-最大间隔超球体支持向量机。该算法以最大间隔为优化目标建立分类模型,大幅度提高了少数类查全率。通过UCI数据集的分类仿真实验,比较了该算法与传统超球体支持向量机的分类精度。结果表明,该算法能有效提高对非均衡分布数据的分类准确率。